基于wt-cnn-lstm的溶解氧含量预测模型参考.pdf

万方数据
黧基于—狶的溶解氧含量预测模型农业机械学报陈英义方晓敏梅思远于辉辉玲—狶杨ぜ樱窠层珻．中国农业大学信息与电气工程学院，北京；┮蹬┐宀颗┮敌畔⒒袢≈氐闶笛槭遥本沂钟嬉荡葱轮行模本．北京林业大学信息学院，北京特点，且其影响因子过多、存在复杂的耦合关系，难以实现精准预测。针对传统长短时记忆神经网络，げ饽Ｐ鸵滓肴哂嗍荩以谘盗饭ば蛄惺被岢鱿痔荻认窒螅佣荒懿蹲揭蜃蛹涑预测效果良好，其平均绝对误差、均方根误差和决定系数分别为、和，比传统模型分别优化鰅埃琁珻駻颍瑄裩坤船；可，巧唱，瞕難如趖驛“此Ⅱ，，毛厂渤ǜ确ǎト鏽琈啊可按藆噐甤鲈錳，曰蛟鰊懈蓇”蚵，曰蛟琧托紅第卷第期痡．．一．．．摘要：溶解氧，渴怯跋焖巢康闹匾R蛩刂唬哂惺毙蛐浴⒉晃榷ㄐ院头窍咝缘期的依赖性问题，提出了基于小波变换瑆、卷积神经网络珻和的溶解氧含量预测模型。首先，使用降低数据噪声；然后，使用疃韧诰蚋鞅淞恐实那痹诠系；最后，利用的时序性预测蟮乃橙芙庋鹾俊＝峁砻鳎疚奶岢龅膚猚—模型了．％、．％和ァ关键词：溶解氧；预测模型；小波变换；卷积神经网络；长短时记忆神经网络中图分类号：文献标识码：文章编号：一—．．螅骲琻Ⅱ口凡阤珺啻颉：，薾．，，瑃，，．％，．％收稿日期：——修回日期：一一基金项目：国家重点研发计划项目和山东省重点研发计划项目作者简介：陈英义，男，教授，博士，主要从事农业模型和信息处理技术研究，猰篶“．甤琻緊￡，．—．“．瑆緘，篸；粀籧；畉：。艨凇阨，
万方数据
引言数据获取模型构建溶解氧含量是决定水产养殖产量的重要因素，它影响着水生物的生长速度和养殖的饲料比，是决定养殖成功与否的重要指标之一¨。，过低或过高的溶解氧含量都会导致养殖生物死亡。由于它具有时序性、不稳定性和非线性等特点，且受多种因素影响，各因素之间存在复杂的耦合关系∞阅岩建立具有普适性的模型，实现精准预测。以多层感知机—，、支持向量机瑂臀蟛罘聪虼úド经网络珺为代表的浅层机器学习方法具有极大的局限性易引入冗余数据，且针对复杂问题的泛化能力受到一定的制约，尤其是在大数据的处理方面鲁棒性差，不能完全学习到数据的本质特征¨。，无法满足溶解氧预测的要求。以长短时记忆神经网络为代表的深度学习方法因具备挖掘长距离时序数据信息的能力而被广泛应用于各个领域¨。。宋刚等¨对不同类型的股票股价进行预测，证明该模型能够很好地处理具有长期依赖关系、复杂的非线性问题。满春涛等∽。将钟跋煲蜃拥牟煌合作为的输入，研究其对交通流量预测精度的影响。若影响因子过多，该试验方法将过于繁杂，并且输入越长，数据间包含的信息量就越大，传统的模型在训练过程中会表现出明显的不稳定性，出现梯度消失的现象。因此，传统的模型无法捕捉数据间长期的相互依赖性。针对以上问题，陆继翔等¨利用卷积神经网络行崛「汉伞⑵蟆⒎骞鹊缂鄣戎涞那在关系，形成特征向量⋯源讼蛄抗乖焓毙蛐列，输入至中进行短期负荷预测，综合和的优点，提高了短期负荷的预测精度。取б胏—预测了受到各种气候数据和环境数据影响的市县级季中和季末大豆产量，均取得了较好的效果。狶Ｐ驮诖理具有多种影响因素的非线性时序序列预测问题时表现良好。目前，狶Ｐ鸵压惴河τ于语音识别和文本分类领域¨””。，但在水产养殖领域的应用较少。本文提出混合—狶芙庋踉げ模型，并将预测结果同门控神经网络帜Ｐ徒卸员龋剿骶哂薪高准确度、适应性和泛化性能的水产